Octubre 30 de 2020

REDES NEURONALES

Las redes neuronales artificiales son una representación abstracta del comportamiento de una red neuronal biológica. Su contexto se remonta a 1943, año en el cual McCulloch y Pitts proponen el primer modelo neuronal, dicho modelo era un modelo binario, en el cual cada neurona tenía un escalón o umbral prefijado. De esta manera sirvió de base para los modelos posteriores.

Red neuronal

Capas

Las redes neuronales están compuestas por capas de neuronas que se comunican entre si y es posible dividirlas de la siguiente manera:

  • Capa de entrada
  • Capa oculta
  • Capa de salida

ADAPTACIÓN DE REDES NEURONALES

Función base

Función lineal de tipo hiperplano: Es una función de base cuyo valor de red corresponde a una combinación lineal de las entradas.

\[u_{i}(w,x)=\sum_{j=1}^{n}w_{ij}x_{j}\]

Función radial de tipo hiperesférico:

\[u_{i}(w,x)= \sqrt{\sum_{j=1}^{n}(x_{j}-w_{ij})^{2}}\]

Función de activación

Las funciones de activación se dividen en dos tipos como: lineal y no lineal

Red neuronal

ENTRENAMIENTO DE REDES NEURONALES

ALGUNOS PROBLEMAS EN EL ENTRENAMIENTO DE LAS REDES NEURONALES

  • Valores iniciales:
  • Sobreajuste:
  • Escalado de las entradas:
  • Número de capas y unidades ocultas

APLICACIONES

La mayoría de las aplicaciones de las redes neuronales consisten en:

Finanzas: Previsión de la evolución de los precios, Valoración del riesgo de los créditos, Identificación de falsificaciones, Interpretación de firmas.

Manufacturación: Robots automatizados y sistemas de control (visión artificial y sensores de presión, temperatura, gas, etc.), Inspección de la calidad.

Militares: Clasificación de las señales de radar y Reconocimiento y seguimiento en el tiro al blanco.

EJEMPLO DE APLICACIÓN